选择一个回归函数
回归拟合模型数据的过程。模型必须有数值反应。对分类模型反应,明白了参数分类或监督学习工作流程和算法。回归过程依赖于模型。如果一个模型参数,回归估计的参数数据。如果一个模型参数是线性的,估计是基于线性代数方法,减少残余向量的规范。如果一个模型参数是非线性的,估计是基于搜索方法优化,减少残余向量的规范。
此表描述了使用哪个函数取决于类型的回归问题。
| 模型组件 | 回归的结果 | 函数使用 |
|---|---|---|
| 连续或分类预测,连续反应,线性模型 | 拟合模型系数 | fitlm。看到线性回归。 |
| 连续或分类预测,连续反应,线性模型未知的复杂性 | 拟合模型和拟合系数 | stepwiselm。看到逐步回归。 |
| 连续或分类预测,反应可能与限制,如非负整数值,广义线性模型 | 广义线性模型拟合系数 | fitglm或stepwiseglm。看到广义线性模型。 |
| 连续预测连续非线性响应,参数化非线性模型 | 拟合非线性模型系数 | fitnlm。看到非线性回归。 |
| 连续预测,连续反应,线性模型 | 组模型从山脊、套索或弹性净回归 | 套索或脊。看到套索和弹性网或岭回归。 |
| 相关的连续预测,持续的响应,线性模型 | 拟合模型和拟合系数 | plsregress。看到偏最小二乘。 |
| 连续或分类预测,连续反应,未知的模型 | 非参数模型 | fitrtree或fitrensemble。 |
| 分类预测只 | 方差分析 | 方差分析,anova1,anova2,anovan。 |
| 连续的预测,多变量响应,线性模型 | 拟合多元回归模型系数 | mvregress |
| 连续预测,连续反应,mixed-effects模型 | 安装mixed-effects模型系数 | nlmefit或nlmefitsa。看到Mixed-Effects模型。 |
遗留代码更新与新的拟合方法
有几个统计和机器学习工具箱™函数进行回归。以下部分描述如何调用替换老新版本功能:
回归成fitlm
以前的语法:
[b,少女,r,无线电侦察,统计]=回归(y, X)
在哪里X包含一个列的。
目前的语法:
mdl = fitlm (X, y)
你不添加一个列的X。
以前的等效值输出:
b- - - - - -mdl.Coefficients.Estimate少女- - - - - -coefCI(mdl)r- - - - - -mdl.Residuals.Raw无线电侦察——没有完全等效。试着检查mdl.Residuals.Studentized发现异常值。统计数据- - - - - -mdl包含各种属性替换的组件统计数据。
regstats成fitlm
以前的语法:
统计= regstats (y、X模型whichstats)
目前的语法:
mdl = fitlm (X, y,模型)
获得统计数据的属性和方法LinearModel对象(mdl)。例如,看到mdl.Diagnostics和mdl.Residuals属性。
robustfit成fitlm
以前的语法:
[b,统计]= robustfit (X, y, wfun,曲调,常量)
目前的语法:
mdl = fitlm (X, y,‘强劲’,‘上’)% bisquare
或使用wfun重量和调优调优参数:
opt.RobustWgtFun = 'wfun”;opt.Tune =调优;%可选mdl = fitlm (X, y,“强劲”,选择)
获得统计数据的属性和方法LinearModel对象(mdl)。例如,看到mdl.Diagnostics和mdl.Residuals属性。
stepwisefit成stepwiselm
以前的语法:
[b, se, pval, inmodel,统计,nextstep,历史]= stepwisefit (X, y,名称,值)
目前的语法:
mdl = stepwiselm (ds, modelspec、名称、值)
或
mdl = stepwiselm (X, y, modelspec、名称、值)
获得统计数据的属性和方法LinearModel对象(mdl)。例如,看到mdl.Diagnostics和mdl.Residuals属性。
glmfit成fitglm
以前的语法:
[b, dev,统计]= glmfit (val1, X, y,分配,param1…)
目前的语法:
mdl = fitglm (X, y,分配,…)
获得统计数据的属性和方法GeneralizedLinearModel对象(mdl)。例如,异常mdl.Deviance,比较mdl对一个常数模型,使用devianceTest(mdl)。
nlinfit成fitnlm
以前的语法:
[β,r, J, COVB, mse) = nlinfit (X, y,乐趣、beta0选项)
目前的语法:
mdl = fitnlm (X, y,有趣,beta0,“选项”选项)
以前的等效值输出:
β- - - - - -mdl.Coefficients.Estimater- - - - - -mdl.Residuals.Rawcovb- - - - - -mdl.CoefficientCovariance均方误差- - - - - -mdl.mse
mdl不提供雅可比矩阵(J)输出。的主要目的J通过成吗nlparci或nlpredci获得置信区间估计的系数(参数)或预测。获得这些置信区间为:
parci = coefCI (mdl) [pred predci] =预测(mdl)
